Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad1, Yuliana Melita2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi Surabaya 1
[email protected],
[email protected] ABSTRAK Filtering merupakan proses awal yang digunakan untuk mengurangi bagian – bagian yang tidak diperlukan (noise) pada citra untuk proses berikutnya. Low-Pass filter merupakan salah satu filtering linear yang bekerja dengan menggantikan intensitas nilai pixel dengan rata-rata dari nilai pixel tersebut dengan nilai pixel-pixel tetangganya. Sedangkan median filter merupakan salah satu teknik peningkatan kualitas citra dalam domain spasial, median filtering ini merupakan kategori non linier filtering. Perbaikan citra tidak meningkatkan kandungan informasi dari citra tersebut, melainkan memperlebar jangkauan dinamik dari suatu fitur sehingga bisa dideteksi atau diamati dengan lebih mudah dan tepat. Pada saat ini informasi sangat penting dan diperlukan, terutama yang terdapat dalam suatu citra. Walaupun demikian, seringkali citra yang kita miliki mengandung noise seperti bercak putih dan hitam. Dari noise tersebut, dapat dilakukan penghalusan citra sehingga citra dapat lebih mudah diinterpretasikan oleh mata manusia untuk pengenalan objek. Metode penghalusan citra yang digunakan dalam Penelitian ini adalah metode Low-Pass Filter dan Median Filter. Dari hasil penelitian, gambar yang dihasilkan dengan metode Median Filter memiliki kualitas citra yang lebih baik dibandingkan metode LowPass Filter . Dari analisa hasil penelitian ini, gambar yang dihasilkan dengan metode Median Filter memiliki kualitas citra yang lebih baik dibandingkan metode Low-Pass Filter baik secara subjektif (memiliki nilai subjektif rata-rata yaitu 4 (baik) untuk metode Median Filter dan nilai 3 (cukup) untuk metode Low-Pass Filter) maupun menggunakan perhitungan PSNR (nilai rata-rata yang dihasilkan untuk Median filter yaitu 15,115291 db dan Low-Pass filter yaitu 12,286619 db). Kata Kunci : filtering, noise, Low-pass filter, median filter 1. Pendahuluan Pada saat ini sebuah Informasi tidak hanya disajikan dalam bentuk data teks tetapi juga dapat berupa gambar, audio, dan video. Informasi pada saat ini sangat penting dan sangat diperlukan, begitu pula informasi yang terdapat pada sebuah citra. Citra mempunyai karakteristik yang tidak dimiliki data teks yaitu citra kaya dengan informasi, namun seringkali citra yang kita miliki mengalami penurunan mutu atau pada umunya mengandung derau (noise). Derau pada umumnya berupa variasi intensitas (derajat keabuan) suatu pixel yang tidak bekaitan dengan titik-titik tetangganya. Derau ini mudah dilihat oleh mata, karena tampak sangat berbeda dengan titik-titik tetangganya, seperti citra yang mengalami gangguan berupa bercak-bercak putih atau hitam. Gangguan tersebut biasanya muncul sebagai akibat pencuplikan (Image Sampling) yang tidak bagus atau akibat saluran transmisi (pada pengiriman data). Oleh sebab itu perbaikan citra dibutuhkan, dengan meningkatkan kualitas suatu citra dapat lebih mudah diinterpretasikan oleh mata manusia.
Dalam sebuah citra, intensitas atau tingkat kecerahan atau derajat keabuan merupakan informasi yang sangat penting. Melalui derajat keabuan ini kita dapat melakukan berbagai macam metode untuk melakukan proses pengolahan citra seperti Low-Pass Filter dan Median Filter. Melalui metode ini kualitas citra masukan dapat diperbaiki dan diharapkan dapat lebih mudah mendekati bentuk aslinya. Dan membandingkan diantara kedua filter tersebut mana yang lebih baik digunakan. 2. Dasar Teori 2.1 Pengertian Citra Digital Citra digital adalah citra yang dinyatakan secara diskrit (tidak kontinu), baik untuk posisi koordinatnya maupun warnanya. Dengan demikian, citra digital dapat digambarkan sebagai suatu matriks, dimana indeks baris dan indeks kolom dari matriks menyatakan posisi suatu titik di dalam citra dan harga dari elemen matriks menyatakan warna citra pada titik tersebut. Dalam citra digital yang dinyatakan sebagai susunan
395
Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
matriks seperti ini, elemen-elemen matriks tadi disebut juga dengan istilah piksel yang berasal dari kata picture element. Citra juga dapat didefenisikan fungsi dua variabel, f(x,y), di mana x dan y adalah koordinat spasial sedangkan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Ilustrasi citra digital dapat dilihat pada berikut.
Gambar 2.1 Illustrasi Citra Citra digital merupakan suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar/ piksel/ pixel/ picture element) menyatakan tingkat keabuan/ warna pada titik tersebut. Citra digital dinyatakan dengan matriks berukuran N x M (baris/ tinggi = N, kolom/ lebar = M). Setiap titik memiliki koordinat dan biasanya dinyatakan dalam bilangan bulat positif, yaitu 0 atau 1 bergantung pada sistem yang digunakan. Format nilai piksel sama dengan format citra keseluruhan. Pada kebanyakan sistem pencitraan, nilai ini biasanya berupa bilangan bulat positif juga. Citra digital dinyatakan dengan matriks berukuran N x M dapat dilihat pada Gambar 2.2 dan Ilustrasi sistem koordinat piksel dilihat pada Gambar 2.3.
2.2 Perbaikan Kualitas Citra
Perbaikan kualitas citra merupakan suatu proses yang dilakukan untuk mendapatkan kondisi tertentu pada citra. Proses tersebut dilakukan dengan menggunakan berbagai macam metode tergantung pada kondisi yang diharapkan pada citra, seperti mempertajam bagian tertentu pada citra, menghilangkan noise atau gangguan, manipulasi kontras dan skala keabuan, dan sebagainya. Secara umum metode-metode yang digunakan dapat digolongkan kedalam dua kelompok yaitu metode domain frekuensi dan metode domain spasial. Pada metode domain frekuensi, teknik pemrosesannya berdasarkan pada transformasi Fourier terhadap nilai pixel. Sedangkan pada metode domain spasial prosesnya dioperasikan langsung terhadap pixel, dimana untuk memproses sebuah pixel harus mengikut sertakan pixel-pixel tetangganya. Fungsi matematis dari metode domain spasial adalah sebagai berikut : g (x,y) = T [f (x,y)] (2.1) f (x,y) adalah fungsi citra masukan, g (x,y) adalah citra hasil atau keluaran, sedangkan T adalah operator atas f, yang didefinisikan terhadap kumpulan tetangga-tetangga (x,y). Contoh dari metode ini adalah operasi filtering citra yaitu penghalusan citra dengan cara menghilangkan noise pada citra. 2.3 Metode Low-Pass Filter Metode Low-Pass filter adalah satu teknik filtering yang bekerja dengan cara menggantikan intensitas suatu pixel dengan rata-rata nilai pixel dari pixel-pixel tetangganya. Jika suatu citra f(x,y) yang berukuran M x N dilakukan proses filtering dengan penapis h(x,y) maka akan menghasilkan citra g(x,y), dimana penapis h(x,y) merupakan matrik yang berisi nilai 1/ukuran penapis. Secara matematis proses tersebut dapat dinyatakan sebagai berikut: g(x,y) = f(x,y) * h(x,y) (2.2) Operasi diatas dipandang sebagai konvolusi antara citra f(x,y) dengan penapis h(x,y), dimana * menyatakan operator konvolusi dan prosesnya dilakukan dengan menggeser penapis konvolusi pixel per pixel. 2.4 Metode Median Filter Metode median filter ini merupakan filter non-linear yang dikembangkan Tukey, pada median filter ini berfungsi untuk menghaluskan dan mengurangi noise atau gangguan pada citra. Dikatakan nonlinear karena cara kerja penapis ini tidak termasuk kedalam kategori operasi konvolusi. Operasi nonlinear dihitung dengan
396
Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
mengurutkan nilai intensitas sekelompok pixel, kemudian menggantikan nilai pixel yang diproses dengan nilai tertentu. Pada median filter suatu window atau penapis yang memuat sejumlah pixel ganjil digeser titik per titik pada seluruh daerah citra. Pada setiap pergeseran dibuat window baru, titik tengah dan window ini diubah dengan nilai median dari window tersebut. Jika suatu window ditempatkan pada suatu bidang citra, maka nilai pixel pada pusat bidang window dapat dihitung dengan mencari nilai median dari nilai intensitas sekelompok pixel yang telah diurutkan. Secara matematis dapat dirumuskan sebagai berikut: G(x,y)= Median {f(x-i, y-j),(i,j)€ w} dimana g(x,y) merupakan citra yang dihasilkan dari citra f(x,y) dengan w sebagai window yang ditempatkan pada bidang citra dan (i,j) elemen dari window tersebut. 3. Penilaian Kualitas Citra Untuk mendapatkan nilai kualitas citra dilakukan dengan cara penilaian secara objektif dengan menggunakan besaran MSE dan PSNR kedua besaran tersebut membandingkan pixel-pixel pada posisi yang sama dari dua citra yang berlainan. 3.1 MSE (Mean Square Error) Secara matematis rata-rata kuadrat nilai kesalahan antara citra asli dengan citra hasil pengolahan didapat sebagai berikut:
MSE
1 M 1 N 1 ( f ( x, y) g ( x, y) 2 MN x0 y0
3.2 PSNR (Peak Signal to Noise Ratio) untuk nilai perbandingan antara harga maksimum warna pada citra hasil filtering dengan kuantitas gangguan (noise) didapat dengan PSNR, yang dinyatakan dalam satuan desibel (dB), Bercak (noise) yang dimaksud adalah akar rata-rata kuadrat nilai kesalahan ( MSE ). Secara matematis, nilai PSNR dapat dirumuskan sebagai berikut:
255 PSNR 20 log 10 MSE 4.Algoritma Penghalusan Citra
Citra masukan adalah citra RGB dengan format bitmap. Pemrosesan dilakukan dengan menggunakan perangkat lunak VB 6.0 RGB ke YCbCr
Gambar Asli
Y
Ditambah Noise
CbCr
Y Noise
Low-Pass Filter
CbCr
Y'
YCbCr ke RGB
Gambar Hasil
Gb 4.1 Blok Diagram Proses Penghalusan citra Langkah–langkah Low-Pass Filter : 1. Gambar terlebih dahulu dikonversi dari RGB ke YCbCr dan menghasilkan Y dan CbCr. 2. Setelah dikonversi data gambar (Y) ditambah dengan noise 3. Hasil data gambar (Y dengan noise) yang akan diproses dengan metode Low-Pass Filter 4. Setelah dilakukan proses Low-Pass Filter maka akan dihasilkan data Gambar Y’ 5. Data Gambar Y’ dan CbCr akan dikonversi kembali ke RGB 5. Konversi RGB Ke YCbCr Model warna RGB (red, green, blue) digunakan dengan luminance yang terdapat dalam divice seperti tabung televisi dan monitor komputer. Model warna RGB mencampur warna primer yaitu merah, hijau dan biru untuk menciptakan seluruh kemungkinan warna. Dengan mencampur 100% semua warna RGB menghasilkan warna putih, sebaliknya jika tidak ada warna yng digunakan akan menghasilkan warna hitam. Konversi RGB ke YCbCr merupakan proses pemisahan warna berdasarkan tingkat kecerahan luminance (Y) dan pemisahan berdasarkan komponen warna crominance, dimana Cb adalah crominance terhadap warna biru dan Cr adalah crominance terhadap warna merah. Konversi warna RGB ke dalam YCbCr, warna luminance atau dikenal dengan istilah gray scale yaitu gambar dengan derajat keabuan yang memiliki instensitas 0 sampai 255, dimana 0 adalah untuk merepresentasikan warna hitam dan 255 warna putih. Karena mata manusia lebih sensitive pada warna luminance (Y) dibandingkan warna Chrominance (CbCr) sehingga informasi warna chrominance tidak diikut sertakan pada proses Low Pass filter dan Median Filter dan hanya warna luminance (Y) yang selanjutnya di proses sebagai masukan gambar.
397
Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
Warna YCbCr diperoleh dengan menggunakan transformasi sebagai berikut: Y = 0,299 * R + 0,587 * G + 0,114*B Cb = 0,1687 * R – 0,3312 * G + 0,5 * B Cr = 0,5 * R – 0,4183 * G – 0,0816 * B Untuk membentuk kembali warna YCbCr ke warna RGB digunakan transformasi sebagai berikut: R = Y +1,4022 * Cr G = Y – 0,3456 * Cb -0,7145 * Cr B = Y + 1,7710 * Cb
Mulai
Masukan Gambar
Baca Gambar per pixel
RGB ke YCbCr
6.Perancangan Sistem Diagram Alir Sistem Flowchart merupakan suatu cara untuk menggambarkan langkah-langkah kerja program yang meliputi input, proses, dan output. Untuk Mengintegrasikan metode–metode yang sudah ditentukan untuk proses Low–Pass Filter maupun Median Filter dapat digambarkan alir proses dengan diagram alir sebagai berikut : Gambar 4.1. menjelaskan tahap–tahap Low– Pass Filter yang dilakukan di dalam sistem, tahap– tahap Low–Pass Filter itu sebagai berikut: 1. Pertama masukan gambar lalu dibaca per pixel untuk di proses 2. Gambar yang dibaca dikonversi ke YCbCr 3. Hasil konversi dalam bentuk gray scale, kemudian gambar di tambah noise. 4. Gray scale gambar dengan noise yang akan diproses ke Low-Pass Filter 5. Setelah Low-Pass Filter dilakukan proses konversi dari YCbCr ke RGB 6. Hasil Low – Pass Filter disimpan ke file 7. Setelah proses penyimpanan selanjutnya tahapan proses kembali lagi ke tahap awal untuk mengambil pixel gambar yang akan diproses Low–Pass Filter, begitu seterusnya sampai semua pixel diproses.
Ambil Komponen Y
Tambah Noise
Low-pass filter
Gambar 4.1. Flowcart Low – Pass Filter YCbCr ke RGB
Tulis Ke file
Tidak EO Ya
Selesai
398
Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
dengan buruk sekali ). Berikut ini tabel skala yang sering digunakan dalam kriteria subjektif :
Mulai
Tabel 4.1. Skala Kriteria Subjektif Kualitas Citra Masukan Gambar
Baca Gambar
Skala Kriteria Subjektif per pixel
RGB ke YCbCr
Excelent ( Baik sekali)
(5)
Good (Baik)
(4)
Fair
(Cukup)
(3)
Poor (Buruk)
(2)
Unsatisfactory (Buruk Sekali)
(1)
Ambil Komponen Y
Analisis yang dilakukan secara subjektif yaitu dengan membuat angket untuk diberikan penilaian terhadap metode Median filter dan Low-Pass Filter dengan 6 buah gambar berformat bmp.
Tambah Noise
Median filter
Dari hasil penelitian memperlihatkan bahwa metode Median Filter memiliki rata-rata nilai skala kriteria subjektif kualitas citra adalah 4 (Baik) sedangkan Low-Pass Filter memiliki rata-rata nilai skala Kriteria subjektif kualitas citra adalah 3 (Cukup).
YCbCr ke RGB
Tulis Ke file Tidak EO Ya
Dari hasil ini dapat dilihat bahwa metode Median filter merupakan metode yang dapat menghaluskan citra lebih baik dibandingkan dengan Low-Pass Filter.
Selesai
Gambar 4.2 Flowchart Median Filter
7.Analisis Hasil Dari hasil yang diperoleh dari penghalusan citra dapat dilihat bahwa metode low-pass filter dan median filter menghaluskan citra yang mengalami noise (derau). Secara kasat mata dapat dilihat bahwa dengan menggunakan metode lowpass filter suatu citra yang mengalami noise (derau) dapat diperbaiki walaupun gambar yang dihasilkan kabur. Sedangkan dengan median filter gambar yang dihasilkan lebih baik dibandingkan menggunakan low-pass filter. Ada dua kriteria yang digunakan untuk mengevaluasi kualitas citra, yaitu subjektif dan perhitungan PSNR. Kriteria subjektif berdasarkan kelas skala tertentu ( dari kelas baik sekali sampai
Namun secara perhitungan dapat dihitung dengan menggunakan PSNR (Peak Signal to Noise Ratio). Parameter ini dipahami sebagai tingkat kemiripan antara citra terekonstruksi dengan citra asli. PSNR memanfaatkan persamaan galat terkuadrat rerata (mean squared error /MSE). Jika MSE antara citra terekonstruksi dengan citra asli semakin kecil maka sebaliknya PSNR akan bertambah besar. Perhitungan PSNR dapat dilihat pada persamaan (4.1) dan (4.2).
PSNR 10 Log
MSE
255 1 M 1 N 1 f ' ( x, y) f ( x, y) MN x0 y 0
1 M 1 N 1 f ' ( x, y) f ( x, y) MN N 1 y0
2
2
dimana, M menyatakan baris dari suatu citra N menyatakan kolom dari suatu citra f’(x,y) menyatakan citra asli dengan dimensi MxN
399
Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
f(x,y) menyatakan citra terkonstruksi Dari hasil keluaran sistem dapat dilihat bahwa PSNR untuk citra yang telah diproses dengan citra asli, penghalusan citra dengan metode median filter memiliki nilai PSNR yang lebih besar dibandingkan dengan menggunakan metode low-pass filter. Jika PSNR bernilai besar maka kualitas citra semakin bagus jika dibandingkan dengan citra asli.
KESIMPULAN Setelah mempelajari metode Low - Pass Filter dan Median Filter dalam penghalusan citra yang digunakan untuk perbaikan kualitas citra dan juga mengimplementasikan metode Low - Pass Filter dan Median Filter menjadi sebuah program dan dari hasil analisis keluaran program maka dapat diambil kesimpulan sebagai berikut : 1. Metode Low – Pass Filter dan Median Filter merupakan metode yang mampu dalam menghaluskan citra yang mengalami noise (derau). 2. Metode Low-Pass Filter walaupun mampu dalam menghaluskan citra dalam menghilangkan derau namun gambar yang di hasilkan kabur. 3. Metode Median Filter merupakan metode yang lebih baik digunakan dalam menghaluskan citra baik secara kasat mata maupun secara matematis dibandingkan dengan Low-Pass Filter. 4. Metode Median Filter merupakan metode yang lebih baik jika dibandingkan dengan Low-Pass Filter karena memiliki rata-rata nilai subjektif yang lebih besar yaitu 4 (Baik) sedangkan LowPass filter adalah 3 (Cukup). 5. dengan perhitungan PSNR pun dapat dilihat metode Median Filter memikil nilai PSNR lebih besar yaitu 15.115291 db sedangkan LowPass Filter yaitu 12.2.86619 db.
4.
5.
6.
Equalization) Untuk Peningkatan Kualitas Citra (Image Enhancement), Skripsi Teknik Informatika, Universitas Komputer Indonesia., 2004 Munir, Renaldi, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika, Bandung.,2004 Wibisono, Gunawan, Implementasi Kompresi Gambar dengan Format JPEG, Teknik Informatika, Universitas Komputer Indonesia., 2003 http://en.wikipedia.org/wiki/peak_signal-tonoise_ratio
DAFTAR PUSTAKA 1.
2.
3.
A.K.Jain, Fundamentals of Digital Image Processing, Prentice-Hall International,Inc., 1989 M.Agus. J. Alam, Belajar sendiri Mengolah Database dengan Borland Delphi 7 Menjadi Mahir Tanpa Guru, Elex media komputindo., 2003 Priatiningrum, Tantri, Implementasi Pengubahan Derajat Keabuan dengan Teknik Penyamaan Histogram (Histrogam
400
Jurnal Teknika Vol.4 No.2 September 2012
ISSN No. 2085 - 0859
401